Характеристики

Контекст: 514 токенов
Параметры: 659 млн
Лицензия: MIT
Архитектура: xlm-roberta · dense
Опубликована: 25 авг 2022

Ссылки

Hugging Face

xlm-roberta-large-finetuned-amharic

Davlan

Заполнение пропусковТекст → текст3 профессии

Модель XLM-RoBERTa Large для восстановления замаскированных токенов в текстах на амхарском языке.

46скачиваний за 30 дней0лайковвеса обновлены25 авг 2022

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Davlan/xlm-roberta-large-finetuned-amharic — модель XLM-RoBERTa Large, дообученная для заполнения пропусков в тексте на амхарском языке. Она принимает текст с маскированным фрагментом и предсказывает подходящие токены для его восстановления. Модель имеет 658,7 млн параметров, использует архитектуру XLMRobertaForMaskedLM и контекст длиной до 514 токенов.

Модель подходит для восстановления пропущенных слов и анализа амхарского текста через задачу fill-mask. В README указана оценка loss 1,1295 на тестовом наборе, но набор данных и подробности оценки не описаны. Распространяется по лицензии MIT.

Сценарии применения

восстановление пропущенных слов в амхарском тексте
подбор вариантов для замаскированного слова
оценка вероятных продолжений амхарской фразы

Ограничения

Данные обучения и подробности оценки не описаны; приведён только loss 1,1295 на оценочном наборе. Контекст ограничен 514 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

amh_xlmr

This model is a fine-tuned version of xlm-roberta-large on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 1.1295

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 5e-05
train_batch_size: 5
eval_batch_size: 8
seed: 42
distributed_type: multi-GPU
gradient_accumulation_steps: 2
total_train_batch_size: 10
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
num_epochs: 3.0

Training results

Framework versions

Transformers 4.21.1
Pytorch 1.7.1+cu110
Datasets 1.16.1
Tokenizers 0.12.1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры: XLMRobertaForMaskedLM
Ревизия весов: b630705